[发明专利]照片造假卷积神经网络训练方法及人脸活体检测方法

摘要

本发明涉及人脸活体检测领域，具体而言，涉及一种照片造假卷积神经网络训练方法及人脸活体检测方法。本发明提供的照片造假卷积神经网络训练方法包括构建训练集；获取训练集中的图像；检测图像中人脸；将人脸裁剪后进行归一化处理送入卷积神经网络中，卷积神经网络包括输入层、多个卷积层、ReLU层、max‑pooling层、全连接层、Dropout层和SoftmaxWithLoss层；对卷积神经网络进行训练。通过训练基于造假照片的卷积神经网络，对造假照片进行学习，为人脸活体检测时抵御照片造假攻击提供保护，保护人脸识别的安全。

主权项

一种照片造假卷积神经网络训练方法，其特征在于，所述方法包括：构建训练集，所述训练集包括照片造假视频和真人视频；获取照片造假视频和真人视频中的图像；通过人脸检测算法检测所述图像中的人脸；将所述人脸进行裁剪；对裁剪后出人脸图像进行归一化处理；将所述归一化后的人脸图像输入至卷积神经网络，所述卷积神经网络包括输入层、多个卷积层、ReLU层、max‑pooling层、全连接层、Dropout层和SoftmaxWithLoss层；所述输入层将所述归一化后的人脸图像进行随机裁剪，将裁剪后的人脸图像水平翻转，得到特定像素的图像，将所述特定像素的图像送入多个卷积层中的第一个卷积层；所述第一个卷积层包括多个卷积核，所述第一个卷积层连接一个ReLU层和max‑pooling层，所述特定像素的图像经过所述第一个卷积层后得到与所述第一个卷积层的卷积核对应数量的特征图像，所述ReLU层使部分神经元输出为0，造成稀疏性，所述max‑pooling层对所述特征图像进行压缩，提取主要特征，所述特征图像进入第二个卷积层；所述第二个卷积层包括多个卷积核，所述第二个卷积层连接一个ReLU层和max‑pooling层，所述特征图像经过所述第二个卷积层后得到与所述第二个卷积层的卷积核对应数量的特征图像，所述ReLU层使部分神经元输出为0，造成稀疏性，所述特征图像经过第二个max‑pooling层后进而进入第三个卷积层；所述第三个卷积层包括多个卷积核，所述第三个卷积层连接一个ReLU层和max‑pooling层，所述特征图像经过所述第三个卷积层后得到与所述第三个卷积层的卷积核对应数量的特征图像，所述ReLU层使部分神经元输出为0，造成稀疏性，所述特征图像经过第三个max‑pooling层后进而进入第四个卷积层；所述第四个卷积层包括多个卷积核，所述第四个卷积层连接一个ReLU层和max‑pooling层，随后连接两个全连接层，每个全连接层均依次连接一个ReLU层和dropout层，所述特征图像经过所述第四个卷积层后得到与所述第四个卷积层的卷积核对应数量的特征图像，所述ReLU层使部分神经元输出为0，造成稀疏性，所述特征图像经过第四个max‑pooling层后进而进入两个全连接层以及与所述全连接层连接的ReLU层和dropout层；dropout层通过训练时，随机让卷积神经网络某些隐含层节点的权重不工作，dropout层之后依次连接一个全连接层和SoftmaxWithLoss层，最后一个全连接层输出所述人脸图像的得分情况，将得分输入到最后一层SoftmaxWithLoss层，得到属于照片造假和真人的概率以及该次迭代的损失。